Adaptation des communautés côtières aux effets des changements climatiques sous l’angle de la résilience : lier la gouvernance locale au développement durable
Bibliographic record
Abstract
Ce texte vise à présenter une démarche qui a été élaborée dans le cadre de l’Alliance de recherche universités-communautés intitulée Défis des communautés côtières de l’estuaire et du golfe du Saint-Laurent à l’heure des changements climatiques (ARUC-DCC). Nous décrivons la démarche de renforcement des capacités de résilience que nous avons tenue dans plusieurs localités côtières de l’Est canadien. Nos propos sont illustrés à partir de l’exemple des municipalités de Maria et de Bonaventure au Québec. Il s’agit d’une démarche basée sur la recherche-action participative. La coconstruction de stratégies d’adaptation qui en émerge repose sur un modèle d’exploration de la situation allant des aléas et de leurs effets, aux incertitudes de la connaissance et aux capacités des acteurs à agir. Ces milieux côtiers sont sujets aux aléas des changements climatiques dont notamment les inondations causées par les ondes de tempêtes, l’érosion côtière et les débordements de rivières. Il s’avère important, pour ces communautés, de mieux comprendre les enjeux associés à ces situations au moment d’élaborer des solutions collectives à long terme qui peuvent aller au-delà de leurs territoires. En fait, nous pensons qu’une telle approche pourrait être envisageable dans plusieurs autres régions rurales côtières de l’est du Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".